selenium 介绍
selenium 是一个 web 的自动化测试工具，不少学习功能自动化的同学开始首选 selenium ，因为它相比 qtp 有诸多有点：
- 免费，也不用再为破解 qtp 而大伤脑筋
- 小巧，对于不同的语言它只是一个包而已，而 qtp 需要下载安装1个多 g 的程序。
- 这也是最重要的一点，不管你以前更熟悉 c、 java、ruby、python、或都是 c# ，你都可以通过 selenium 完成自动化测试，而 qtp 只支持 vbs
- 支持多平台：windows、linux、mac ，支持多浏览器：ie、ff、safari、opera、chrome
- 支持分布式测试用例的执行，可以把测试用例分布到不同的测试机器的执行，相当于分发机的功能。
官方文档：
https://selenium-python.readthedocs.io/index.html
https://seleniumhq.github.io/selenium/docs/api/py/api.html
写在前面
有的时候需要某个领域的所有论文数据，此时web of science数据库检索的论文结果可能动辄上万甚至几十万，然而网站限制单次导出条数为1000（如果需要引文字段则仅500，仅导出为txt可包含引用详细信息），需要导出几十上百次，手动做太费神，因此写一个爬虫脚本自动导出。
2022.1.6旧版web of science正式下线了，这里是对新版网站重新开发的自动化导出代码。
使用本代码需要：
- 国内大学学生账号(登录wos使用)
- 火狐浏览器
- geckodriver 0.24.0 (放在爬虫代码同一个文件夹下)
严格来说本代码属于半自动化导出，考虑到开发效率等因素，有两处在首次导出时需要手动操作，后文细说。
遇到“selenium.common.exceptions.nosuchelementexception: message: unable to locate element: …”的报错首先排查网络问题，可以把对应代码行之前的浏览器等待时间加长。
正文
代码情况：
- 输入：wos检索结果网址、需要导出的条数、导出结果存储路径
- 输出：导出文件（格式自选，一般txt/excel）
1、需要导入的包，以及测试入口。
其中url是在完成wos检索之后的检索页面网址。
from selenium import webdriver
from selenium.webdriver.common.keys import keys
import time
import os
from selenium.webdriver.support.wait import webdriverwait
from selenium.webdriver.support import expected_conditions as ec
from selenium.webdriver.common.by import by
if __name__=='__main__':
'''wos“检索结果”页面的网址'''
url = 'https://www.webofscience.com/wos/woscc/summary/64c4e5ff-832d-476d-8112-51e908a600b1-1d5405d5/relevance/1'
startdownload(url,80195,'/users/username/folder',false) # 主要函数
print('done')
2、主要函数
两次手动操作：
- 首次打开wos必须登录, 在学校统一身份认证处需要手动输入信息并点击登录;
- 第一次导出时需要手动修改文件处理方式为”保存文件”, 并勾选”以后都采用相同动作处理此类文件”
输入参数见函数说明。
- 选择导出格式处给出了excel和txt两种，默认excel，可自选。
def startdownload(url,record_num,save_to_directory,record_format='excel',reverse=false):
'''url -> 检索结果网址; \n
record_num -> 需要导出的记录条数(检索结果数); \n
save_to_directory -> 记录导出存储路径(文件夹);\n
record_format -> 导出记录格式, default='excel';\n
reverse -> 是否设置检索结果降序排列, default=false \n
----------------------------------------------------
tip1:首次打开wos必须登录,在学校统一身份认证处需要手动输入验证码并点击登录;
tip2:第一次导出时需要手动修改文件处理方式为"保存文件",并勾选"以后都采用相同动作处理此类文件"
'''
# save_to_directory = '/users/chenzijing/desktop/研/毕业论文/毕设研/代码/论文数据'#/firefox'
fp = webdriver.firefoxprofile()
fp.set_preference('browser.download.dir', save_to_directory)
fp.set_preference("browser.download.folderlist", 2)
fp.set_preference("browser.download.manager.showwhenstarting", false)
fp.set_preference("browser.helperapps.neverask.savetodisk", "text/plain")
browser = webdriver.firefox(executable_path=r'geckodriver',firefox_profile=fp)
browser.get(url)
time.sleep(3)
login(browser)
browser.get(url)
time.sleep(5)
'''获取需要导出的文献数量'''
# record_num = int(browser.find_element_by_css_selector('.brand-blue').text)
# 按时间降序排列
if reverse:
browser.find_element_by_css_selector('.top-toolbar wos-select:nth-child(1) button:nth-child(1) span:nth-child(2)').click()
browser.find_element_by_css_selector("div.wrap-mode:nth-child(2) span:nth-child(1)").click()
time.sleep(3)
# 叉掉弹窗
browser.find_element_by_css_selector('#onetrust-accept-btn-handler').click()
time.sleep(1)
browser.find_element_by_css_selector('#pendo-close-guide-7176fce7').click()
# 开始导出
start = 1 # 起始记录
i = 0 # 导出记录的数字框id随导出次数递增
while start<record_num:
browser.find_element_by_css_selector('button.cdx-but-md:nth-child(2) span:nth-child(1)').click() # 导出
# 选择导出格式
if record_format=='excel':
browser.find_element_by_css_selector('#exporttoexcelbutton').click() # 选择导出格式为excel
else:
browser.find_element_by_css_selector('#exporttofieldtaggedbutton').click() # 选择导出格式为txt
browser.find_element_by_css_selector('#radio3 label:nth-child(1) span:nth-child(1) span:nth-child(1)').click() # 选择自定义记录条数
send_key(browser,'#mat-input-%d'%i,start)#mat-input-2
send_key(browser,'#mat-input-%d'%(i+1),start+999)
browser.find_element_by_css_selector('.margin-top-5 button:nth-child(1)').click() # 更改导出字段
browser.find_element_by_css_selector('div.wrap-mode:nth-child(3) span:nth-child(1)').click() # 选择所需字段(3完整)(4自定义)
browser.find_element_by_css_selector('div.flex-align:nth-child(3) button:nth-child(1)').click() # 点击导出
time.sleep(10) # 等待下载完毕
# 导出文件按照包含的记录编号重命名
rename_file(save_to_directory,'record-'+str(start)+'-'+str(start+999))
start = start + 1000
i = i + 2
time.sleep(10)
browser.quit()
3、主要函数中调用的其他函数
login函数中“学校的统一身份验证”部分可以选择手动，或者根据学校网站自行修改。
其他无需修改。
def login(browser):
'''登录wos'''
# 通过china cernet federation登录
browser.find_element_by_css_selector('.mat-select-arrow').click()
browser.find_element_by_css_selector('#mat-option-9 span:nth-child(1)').click()
browser.find_element_by_css_selector('button.wui-btn--login:nth-child(4) span:nth-child(1) span:nth-child(1)').click()
time.sleep(3)
login = browser.find_element_by_css_selector('#show')
login.send_keys('xxxx大学') # 改成你的学校名
time.sleep(0.5)
browser.find_element_by_css_selector('.dropdown-item strong:nth-child(1)').click()
browser.find_element_by_css_selector('#idpskipbutton').click()
time.sleep(1)
#! 跳转到学校的统一身份验证(想自动输入账号密码就把下面两行注释解除,按照自己学校的网址修改一下css选择器路径)
# browser.find_element_by_css_selector('input#un').send_keys('你的学号') # 改成你的学号/账号
# browser.find_element_by_css_selector('input#pd').send_keys('你的密码') # 改成你的密码
time.sleep(20) #! 手动输入账号、密码、验证码，点登录
def send_key(browser,path,value):
'''browser -> browser;\n
path -> css选择器;\n
value -> 填入值
'''
markto=browser.find_element_by_css_selector(path)
markto.clear()
markto.send_keys(value)
def rename_file(save_to_directory,name,record_format='excel'):
'''导出文件重命名 \n
save_to_directory -> 导出记录存储位置(文件夹)；\n
name -> 重命名为
'''
# files = list(filter(lambda x:'savedrecs' in x and len(x.split('.'))==2,os.listdir(save_to_directory)))
while true:
files = list(filter(lambda x:'savedrecs' in x and len(x.split('.'))==2,os.listdir(save_to_directory)))
if len(files)>0:
break
files = [os.path.join(save_to_directory, f) for f in files] # add path to each file
files.sort(key=lambda x: os.path.getctime(x))
newest_file = files[-1]
# newest_file=os.path.join(save_to_directory,'savedrecs.txt')
if record_format=='excel':
os.rename(newest_file, os.path.join(save_to_directory, name+".xls"))
else:
os.rename(newest_file, os.path.join(save_to_directory, name+".txt"))
4、导出结果
部分结果，展示导出形式。
到此这篇关于python selenium自动化导出新版wos(web of science)检索结果的文章就介绍到这了,更多相关python selenium自动化内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！
黄山市民网：https://www.huangshanshimin.com/
